GMM广义矩估计在资产定价的应用.pdf

GMM广广义义矩矩估估计计在在资资产产定定价价中中的的应应用用研研究究

一一、、广广义义矩矩估估计计方方法法的的核核心心思思想想

广义矩估计（GeneralizedMethodofMoments,GMM）作为20世纪80年由LarsHansen提出的计量经济学方法，其本质是通

过构建模型参数与样本矩条件之间的对应关系进行参数估计。该方法的核心特征体现在三个方面：

1.正交条件的经济学内涵

在资产定价领域，GMM要求模型参数的估计必须满足理论模型推导出的正交条件。例如，资本资产定价模型（CAPM）

中的超额收益与市场因子正交的条件，或消费资本资产定价模型（CCAPM）中消费边际效用与资产收益率的协方差关

系。这些正交条件本质上反映了理性预期框架下的无套利均衡关系。

2.权重矩阵的动态优化

GMM通过构建二次型目标函数Q(θ=g(θWg(θ进行参数估计，其中g(θ为样本矩条件，W为权重矩阵。最优权重矩阵的

选取需要满足渐进有效性的要求，通常采用两阶段估计法：第一阶段采用单位矩阵得到初步估计，第二阶段基于残差协

方差矩阵构造最优权重矩阵。

3.过度识别检验机制

当矩条件数量超过待估参数时，HansensJ统计量（T×Q(θ）服从卡方分布的特性为模型设定检验提供了重要依据。在

Fama-French三因子模型的应用中，该检验可以验证市场因子、规模因子和价值因子的联合显著性。

二二、、资资产产定定价价模模型型与与矩矩条条件件的的对对应应关关系系

（（一一））经经典典定定价价模模型型的的矩矩条条件件构构建建

1.资本资产定价模型（CAPM）

根据Sharpe-Lintner模型，资产的超额收益率满足E[R_i^e]=β_iE[R_m^e]。对应的矩条件为：E[R_i^eβ_iR_m^e]=0

E[(R_i^eβ_iR_m^eR_m^e]=0

前者确保定价误差的期望为零，后者保证β估计的无偏性。

2.消费资本资产定价模型（CCAPM）

基于Lucas树的定价核设定，矩条件可表示为：E[δ(C_{t+1}/C_t^{-γ}R_{t+1}^e]=0

其中δ为折现因子，γ为风险厌恶系数。该条件要求消费增长与资产收益在边际效用调整后的协方差等于零。

3.多因子定价模型

对于Fama-French五因子模型，矩条件扩展为：E[R^eβ_{MKT}MKTβ_{SMB}SMBβ_{HML}HMLβ_{RMW}RMW

β_{CMA}CMA]=0

每个因子对应一个正交条件，同时要求因子载荷与组合收益保持线性关系。

（（二二））矩矩条条件件选选择择的的经经济济学学逻逻辑辑

1.工具变量的选取原则

在估计消费欧拉方程时，通常选取滞后消费增长率、利率水平或宏观经济指标作为工具变量。这些变量的选择必须满足

两个条件：与误差项正交（外生性），且与解释变量相关（相关性）。例如，使用滞后的工业产出指数作为工具变量

时，需要验证其与当期消费增长的相关性。

2.动态矩条件的构造

在时变风险溢价模型中，可以通过引入移动窗口的矩条件来捕捉参数时变性。例如设定：E_t[β(tR_m^e(t+1R_i^e(t+1]

=0

其中β(t采用滚动回归估计，这种设定能够有效处理市场beta的动态变化。

三三、、GMM在在资资产产定定价价中中的的实实施施步步骤骤

（（一一））基基础础估估计计流流程程

1.模型设定阶段

确定定价误差的表达式g(θ=[g1(θ,...,gm(θ]，例如对25个规模-价值投资组合，需构建25个定价误差方程。同时明确参

数空间θ∈Θ，如包含风险溢价、因子载荷等参数。

2.权重矩阵优化

采用Newey-West估计量处理自相关和异方差问题：Ŵ=[Γ0+Σ_{j=1}^q(1j/(q+1(Γj+Γj]^{-1}

其中Γj为矩条件在j阶滞后的自协方差矩阵，q根据Bartlett核函数确定最优滞后阶数。

3.迭估计过程

通过数值优化算法（如BFGS或Nelder-Mead）求解：θ̂=argmin_θg(θŴg(θ

需要特别注意参数初始值的选择，可采用两阶段最小二乘法（2SLS）获得一致性初值。

（（二二